MétaCan
Menu
Retour à la cohorte
Enregistrement W2150367987 · doi:10.1109/wescan.1997.627115

A technology management methodology implemented using expert systems

2002· article· en· W2150367987 sur OpenAlexaff
D.E. Hemingway, J.D. Katzberg, D.G. Vandenberghe

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueQuality and Supply Management
Établissements canadiensUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésExpert systemComputer scienceKnowledge baseSubject-matter expertQuality (philosophy)Field (mathematics)Software deploymentEmerging technologiesKnowledge managementSystems engineeringEngineering managementSoftware engineeringEngineeringArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Management of technology concerns the processes of managing technology development through research and development, and managing the introduction and use of technology. Expert systems are computer programs that encode knowledge about a problem into a knowledge base, and then use this knowledge to reason and draw conclusions about a particular problem or situation. Currently, expert systems are being used in many areas, but we have found no examples of expert systems being applied in the field of technology management. The objective of the paper is to set out a methodology for technologies for implementation in a small business, using an expert system structure to automate the procedure. The expert system is intended to be used as a guide, providing a structured approach that will allow a consultant to provide consistent recommendations, as well as reducing repetition in evaluating the technologies for different situations. The expert system compares customer requirements to the attributes of available technologies, and suggests which technologies should be considered for implementation. The matrix structure of the Quality Functional Deployment ("House of Quality") approach to quality control is the basis for the expert system methodology presented.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,932
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,182
Tête enseignante GPT0,330
Écart entre enseignants0,148 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetQuality and Supply ManagementTravaux en français237 207